Measurement of inclusive $B \to X_u \ell \nu$ partial branching fractions and $|V_{ub}|$ at Belle II

Belle II 合作组利用 365 fb$^{-1}$的$\Upsilon(4S)$数据，通过全重建方法测量了无粲半轻衰变$B \to X_u \ell \nu$的部分分支比，并据此确定了 CKM 矩阵元$|V_{ub}|$的数值，该结果与以往测量值的平均值一致。

要点

这篇论文讲述的是Belle II 实验团队如何像“宇宙侦探”一样，在微观粒子世界中寻找一个极其稀有的“幽灵”信号，并借此解开物理学中一个长期存在的谜题。

我们可以把这篇论文的内容想象成一场在拥挤的火车站里寻找特定乘客的超级任务。

1. 任务背景：为什么要找这个“幽灵”？

在粒子物理的标准模型中，有一个叫做CKM 矩阵的“密码本”，它描述了夸克（构成物质的基本粒子）之间如何转换。其中有一个关键参数叫 $|V_{ub}|$，它代表了底夸克（b）变成上夸克（u）的概率。

• 现状： 目前物理学家对这个“密码”有两个不同的测量结果。
  • 一种方法是“独家测量”（只找特定的乘客），算出来的数值较小。
  • 另一种方法是“包容测量”（不管乘客是谁，只要符合特征都算），算出来的数值较大。
  • 这两个结果相差了大约 3 个标准差（就像两个人说同一件事，一个说“是 3 点”，另一个坚持说“是 4 点”，而且都很确定），这暗示我们的理论可能漏掉了什么，或者实验有误差。
• 目标： 这篇论文的目标就是用更先进的方法，重新进行“包容测量”，看看能不能把这两个结果统一起来，或者发现新物理的线索。

2. 实验现场：Belle II 探测器

想象一下，SuperKEKB 对撞机是一个巨大的粒子加速器，它让电子和正电子以接近光速的速度相撞。

• 碰撞瞬间： 每次碰撞就像两辆高速列车对撞，产生了一堆碎片（粒子）。
• Belle II 探测器： 这是一个巨大的、像洋葱一样层层包裹的“相机”，专门用来捕捉这些碎片。它由像素探测器、漂移室、量能器等多个部分组成，能记录下每一个碎片的轨迹、能量和身份。
• 数据量： 他们收集了相当于 365 万分之一秒 的碰撞数据（365 fb⁻¹），这包含了约 3.87 亿次碰撞事件。

3. 核心挑战：大海捞针

在产生的所有粒子中，我们要找的目标是 $B \to X_u \ell \nu$ 衰变。

• 目标信号（$B \to X_u \ell \nu$）： 这是一个底介子（B 介子）衰变成一个上夸克系统（$X_u$）、一个带电轻子（电子或μ子，$\ell$）和一个中微子（$\nu$）。
  • 难点： 中微子是个“隐形人”，探测器根本抓不住它。而且，这种衰变非常罕见，就像在 50 个普通乘客中只有 1 个是我们要找的 VIP。
• 主要干扰（$B \to X_c \ell \nu$）： 绝大多数（约 50 倍）的衰变是底介子变成含粲夸克（c）的系统。这就像火车站里挤满了长相相似的普通旅客，我们要找的 VIP 混在里面，很难分辨。

4. 侦探手段：如何从人群中认出 VIP？

为了从 50 倍多的“普通旅客”中揪出那 1 个"VIP"，Belle II 团队开发了一套精妙的策略：

A. “双人舞”策略（全重建技术）

在碰撞中，通常会产生一对 B 介子（一个 B，一个反 B）。

• 策略： 他们先全力抓住其中一个 B 介子（称为Tag B），把它的所有碎片都拼凑完整，就像把一个人的所有行李都清点一遍。
• 作用： 因为能量和动量守恒，只要知道了“Tag B"的所有信息，就能反推出另一个 B 介子（信号 B）的初始状态。这就好比你知道了一对双胞胎中哥哥的所有特征，就能推断出弟弟原本应该长什么样，哪怕弟弟现在只露出了一只手（轻子）和一团模糊的影子（$X_u$系统）。

B. 智能筛选（机器学习）

面对海量的数据，他们训练了**神经网络（AI）**来充当“安检员”：

• 排除背景： 利用轻子的能量、动量、以及周围粒子的分布特征，AI 能区分出哪些是我们要找的稀有衰变，哪些是常见的含粲衰变。
• 剔除干扰： 比如，如果检测到有 K 介子（通常伴随粲夸克出现），就把它扔掉；如果发现有来自 J/ψ粒子的电子，也把它过滤掉。

C. 三个不同的“搜索区域”

为了验证结果的可靠性，他们在三个不同的“搜索区域”进行了测量：

1. 广域搜索： 只要轻子能量大于 1 GeV 就保留（覆盖了 87% 的潜在区域）。
2. 中域搜索： 加上对“影子”（$X_u$系统）质量的限制（覆盖 57%）。
3. 精域搜索： 再加上对动量转移的限制（覆盖 32%）。
   这样做是为了看看在不同的筛选标准下，结果是否一致，就像用不同倍数的放大镜观察同一个物体。

5. 关键发现：找到了什么？

经过复杂的统计分析和模板拟合（把数据分布和理论预测的分布进行比对），他们得到了以下结果：

• 分支比（概率）： 在轻子能量大于 1 GeV 的区域，他们测得 $B \to X_u \ell \nu$ 的衰变概率约为 $1.54 \times 10^{-3}$。
• $|V_{ub}|$ 的值： 基于这个概率，结合理论模型（GGOU 框架），他们计算出 $|V_{ub}| = (4.01 \pm 0.19) \times 10^{-3}$。

6. 结论与意义

• 一致性： 这个结果与之前通过“包容测量”得到的世界平均值非常吻合。
• 对比： 有趣的是，这个数值（约 4.01）比“独家测量”得到的数值（约 3.43）要大。这再次确认了**“包容测量”和“独家测量”之间确实存在差异**。
• 未来： 虽然这次测量没有直接消除这个差异，但它提供了更精确的数据和更严格的检验。这就像侦探虽然还没抓到真凶，但排除了很多嫌疑人，并留下了更清晰的线索，告诉理论物理学家：“嘿，你们的理论模型可能还需要微调，或者我们还没发现的新物理现象就藏在这个差异里。”

总结

这篇论文就像是一次高精度的粒子世界人口普查。Belle II 团队利用最先进的探测器、巧妙的“双人舞”重建技术和强大的 AI 算法，在 50 倍多的背景噪音中，精准地数出了稀有衰变事件的数量。虽然谜题尚未完全解开，但这次测量让物理学界离真相更近了一步，也为未来解决“标准模型危机”提供了坚实的实验基础。

技术摘要

这是一份关于 Belle II 合作组最新预印本论文《Measurement of inclusive B →Xuℓν partial branching fractions and |Vub| at Belle II》（Belle II 对无粲半轻 B 介子衰变 inclusive 分支比及 |Vub| 的测量）的详细技术总结。

1. 研究背景与问题 (Problem)

• 核心目标：精确测量卡比博 - 小林 - 益川（CKM）矩阵元素 $|V_{ub}|$，这是检验标准模型中夸克弱相互作用及 CKM 矩阵幺正性的关键参数。
• 主要矛盾：目前通过exclusive（独占，如 $B \to \pi \ell \nu$）和inclusive（包容，即 $B \to X_u \ell \nu$，$X_u$ 为任意无粲强子末态）两种策略测得的 $|V_{ub}|$ 值存在显著差异（约 3 个标准差）。
  • Exclusive 平均值：$(3.43 \pm 0.12) \times 10^{-3}$
  • Inclusive 平均值：$(4.06 \pm 0.16) \times 10^{-3}$
  • 这种差异限制了 CKM 幺正性检验的精度，需要更深入的实验和理论研究。
• 实验挑战：
  • 背景巨大：信号过程 $B \to X_u \ell \nu$ 的分支比极小，而主要的背景来源是 CKM 允许的含粲衰变 $B \to X_c \ell \nu$，其产率约为信号的 50 倍。
  • 中微子缺失：末态包含中微子，无法直接探测，必须通过运动学约束重建。
  • 理论不确定性：Inclusive 测量依赖于重夸克展开（HQE）和形状函数（Shape Function）理论，但在实验上为了压低背景必须施加运动学截断，这破坏了 HQE 的全包容性，需要依赖微扰和非微扰理论模型进行修正。

2. 方法论 (Methodology)

本研究利用 Belle II 实验在 SuperKEKB 对撞机上采集的 365 fb$^{-1}$ 数据（对应 $\Upsilon(4S) \to B\bar{B}$ 共振态），采用**全强子标记（Hadronic Tagging）**策略进行测量。

A. 事件重建与选择

1. Tag 侧重建：利用全事件解释（Full Event Interpretation, FEI）算法，在 $B\bar{B}$ 对中将其中一个 B 介子（Tag B）在特定的强子衰变道中完全重建。这提供了对另一个 B 介子（Signal B）运动学的强约束。
2. 信号侧重建：
   • 识别信号轻子（电子或μ子）。
   • 将剩余未归入 Tag B 和信号轻子的所有粒子归为“事件其余部分”（Rest-of-Event, ROE），构建强子系统 $X_u$。
   • 利用动量守恒推断中微子四动量：$p_\nu = p_{e^+e^-} - p_{B_{tag}} - p_\ell - p_X$。
3. 背景抑制：
   • 连续谱背景：利用多层感知机（MLP）基于事件形状变量（如推力轴、Fox-Wolfram 矩等）区分 $e^+e^- \to q\bar{q}$ 连续谱背景。
   • 含粲背景 ($B \to X_c \ell \nu$)：
     • 实施K 介子否决（Veto）：剔除 ROE 中包含 $K^\pm$ 或 $K_S^0$ 的事例。
     • $D^*$ 重建：利用低动量π介子（$\pi_s$）重建 $D^*$ 介子，以识别并剔除 $B \to D^{(*)} \ell \nu$ 背景。
     • MLP 分类器：训练一个包含 9 个运动学变量（如缺失质量平方 $M^2_{miss}$、ROE 顶点拟合 p 值、总电荷等）的神经网络，专门用于区分 $B \to X_u \ell \nu$ 和 $B \to X_c \ell \nu$。

B. 运动学区域定义

研究定义了三个不同的相空间区域（Signal Regions），通过不同的运动学截断来平衡信号纯度和理论可靠性：

1. 区域 1：$E_\ell^B > 1.0$ GeV（覆盖 87% 相空间，理论最可靠）。
2. 区域 2：$E_\ell^B > 1.0$ GeV 且 $M_X < 1.7$ GeV（覆盖 57% 相空间，进一步压低含粲背景）。
3. 区域 3：$E_\ell^B > 1.0$ GeV, $M_X < 1.7$ GeV 且 $q^2 > 8$ GeV$^2$（覆盖 31% 相空间，高纯度区域）。

C. 模型修正与拟合策略

• 控制区域（Control Regions）：定义多个控制区域（如 $CR_{0,low}$, $CR_{K,high}$ 等），利用数据驱动的方法修正 $B \to X_c \ell \nu$ 背景的形状和归一化，因为模拟中该背景存在建模偏差。
• 模板拟合：使用 PYHF 包进行分箱模板拟合（Binned Template Fit）。
  • 同时拟合信号区域和控制区域（$CR_{0,low}$），以约束 $B \to X_c \ell \nu$ 的形状。
  • 拟合变量包括 $E_\ell^B$ 和 $q^2$ 的二维分布，或仅 $E_\ell^B$ 的一维分布。
  • 引入大量系统误差源作为干扰参数（Nuisance Parameters），包括探测器效率、粒子识别、分支比不确定性、理论模型参数（如 DFN 模型参数）等。

3. 关键贡献 (Key Contributions)

1. 高统计量与高效率：基于 Belle II 的 365 fb$^{-1}$ 数据，利用改进的 FEI 算法和双神经网络（分别优化连续谱和含粲背景抑制），实现了比 Belle 实验更高的信号重建效率（约 30-45% 的背景压低，同时保留更多信号）。
2. 数据驱动的背景修正：针对 $B \to X_c \ell \nu$ 模拟与数据不一致的问题，提出了一套严谨的控制区域修正方案，不仅修正了归一化，还通过联合拟合修正了形状，显著降低了理论模型依赖带来的系统误差。
3. 多区域交叉验证：在三个不同的相空间区域进行测量，并对比不同理论框架（BLNP, DGE, GGOU）下的 $|V_{ub}|$ 提取结果，提供了对理论模型一致性的有力检验。
4. 系统误差的精细化处理：详细量化了包括 $X_u$ 强子化建模、慢π介子效率、$K_S^0$ 重建效率等在内的 20 多项系统误差源。

4. 主要结果 (Results)

A. 部分分支比测量

在三个相空间区域测得的 $B \to X_u \ell \nu$ 部分分支比如下（统计误差 $\pm$ 系统误差）：

• 区域 1 ($E_\ell^B > 1$ GeV): $\Delta\mathcal{B} = (1.54 \pm 0.08 \pm 0.12) \times 10^{-3}$
• 区域 2 ($E_\ell^B > 1, M_X < 1.7$ GeV): $\Delta\mathcal{B} = (0.95 \pm 0.05 \pm 0.10) \times 10^{-3}$
• 区域 3 ($E_\ell^B > 1, M_X < 1.7, q^2 > 8$ GeV$^2$): $\Delta\mathcal{B} = (0.55 \pm 0.03 \pm 0.05) \times 10^{-3}$

其中，区域 1 的测量精度（相对总不确定度 9.6%）与 BaBar 实验最精确的包容性测量相当，且优于 Belle 和 BaBar 之前的强子标记测量。

B. $|V_{ub}|$ 的确定

利用 GGOU 理论框架（Gambino, Giordano, Ossola, Uraltsev），从区域 1 的测量结果中提取 $|V_{ub}|$：
$$|V_{ub}| = (4.01 \pm 0.11 \text{ (stat)} \pm 0.16 \text{ (syst)} ^{+0.07}_{-0.08} \text{ (theo)}) \times 10^{-3}$$

• 总不确定度：约 4.5%。
• 一致性：该结果与 HFLAV 的包容性平均值 $(4.06 \pm 0.16) \times 10^{-3}$ 一致，但与独占性平均值 $(3.43 \pm 0.12) \times 10^{-3}$ 存在差异（尽管在误差范围内）。
• 使用 BLNP 和 DGE 框架得到的结果也显示出类似的数值范围，进一步确认了结果的稳健性。

5. 意义与影响 (Significance)

1. 解决“$|V_{ub}|$ 谜题”的关键一步：该测量提供了目前最精确的包容性 $|V_{ub}|$ 结果之一，且采用了与以往不同的强子标记策略和先进的机器学习背景抑制技术。结果倾向于支持较高的 $|V_{ub}|$ 值（包容性路径），加剧了与独占性测量之间的张力，促使理论界重新审视 HQE 中的非微扰效应或独占性测量中的强子化不确定性。
2. Belle II 能力的展示：证明了 Belle II 在低背景、高统计量下的包容性衰变测量能力，特别是通过 FEI 算法和神经网络优化，显著提升了信号效率并有效压制了巨大的含粲背景。
3. 理论框架的检验：通过在三个不同相空间区域提取 $|V_{ub}|$ 并对比不同理论模型（BLNP, DGE, GGOU）的预测，该工作为理解重夸克展开和形状函数理论提供了宝贵的实验约束。
4. 未来展望：随着 Belle II 数据量的进一步积累（目标 50 ab$^{-1}$），此类测量的精度将进一步提升，有望最终解决 inclusive 与 exclusive 之间的差异，从而更严格地检验标准模型。

总结：这篇论文代表了 Belle II 在重味物理领域的重大进展，通过创新的实验策略和严谨的数据分析，给出了目前最精确的包容性 $|V_{ub}|$ 测量之一，为标准模型检验和寻找新物理提供了关键输入。